3. Analizzare i dati
Guardare i dati e capirne il significato può essere
molto semplice se si usano metodi e
accorgimenti che ne facilitano la comprensione e
mettono in luce più rapidamente i loro significati
4. Analizzare i dati: ordinare
Se i vostri dati indicano una
serie di valori per una
dimensione, ordinateli dal
più grande al più piccolo.
Selezionate la colonna e
attivate l’opzione per
l’ordinamento (generalmente
si trova in “Dati > Ordina”)
5. Analizzare i dati: filtrare
Potreste avere un dataset di
cento righe, e analizzarlo non è
semplice. Potete quindi filtrare
i dati per guardare solo quelli
che vi interessano, escludendo
gli altri. Per farlo, attivate
l’opzione Filtro
(si trova in “Dati > Filtro”)
6. Analizzare i dati: raggruppare/1
Raggruppare i dati è una
strategia che può dare ottimi
risultati per misurarli sul piano
quantitativo
(da usare quando i dati hanno
caratteristiche omogenee che
lo consentono).
7. Analizzare i dati: raggruppare/2
Per esempio…
L’elenco di tutti i progetti
OpenCoesione relativi alla
vostra provincia: sono
centinaia o migliaia, ma
come sono distribuiti per
tema? Quanti si riferiscono
all’Ambiente, ai Trasporti,
alla Cultura e Turismo…?
8. Analizzare i dati: raggruppare/3
Per contare i singoli progetti suddivisi
per tema è necessario raggrupparli
con una Tabella Pivot. Per farlo:
selezionate l’intera tabella aperta con
il foglio di calcolo e l’opzione
apposita (si trova in “Dati > Tabella
Pivot”): inserite “Tema” in Campi
Righe, e l’opzione “Conta per tema” in
Campi Valori.
9. Analizzare i dati: incrociare le strategie
Non è detto che l’uso di uno di questi metodi
sia sufficiente: potrebbe essere necessario
usarne due o tre insieme.
● Dopo aver raggruppato i dati per “Tema”,
potrebbe essere utile ordinarli dal più
grande al piccolo…
● Potrebbe anche essere utile filtrarli prima
di raggrupparli, per concentrarvi su un
sottoinsieme di dati (un “subset”)…
11. Confrontare territori è
possibile, ma bisogna
tenere conto delle
differenze in base alla
popolazione o al contesto.
Il metodo della
normalizzazione consiste
appunto nel mettere in
relazione il nostro
confronto con questi dati.
Confronto tra territori: normalizzare
12. Confronto tra territori: normalizzare
Per esempio…
Se confrontiamo il numero di
disoccupati in Lombardia e in Sicilia,
dobbiamo tenere conto che nelle due
regioni c’è un numero di abitanti e di
popolazione in età lavorativa
differente.
13. Mettere in relazione alla popolazione
Misurare in relazione alla
popolazione è la metodologia
più usata. Ad esempio,
rispondendo alla domanda:
“Quanti sono i bidoni della
differenziata per numero di
abitanti per quartiere”. La
produzione di spazzatura
viene calcolata proprio così.
14. Creare un indicatore
Quando i nostri dati sono un sottoinsieme di un
gruppo di dati più ampio con le stesse
caratteristiche, è opportuno normalizzare i dati
costruendo un indicatore.
15. Creare un indicatore
Risultato: avremo la percentuale di donne occupate rispetto al
totale dei lavoratori. Non mettendole in relazione con la
popolazione (per quello esiste già un indicatore: il “tasso di
occupazione”) ma con i lavoratori, ci concentriamo su un
sottoinsieme della popolazione, cioè gli occupati.
Esempio: se ci interessa misurare l’occupazione femminile e
confrontarla, l’ideale è costruire un indicatore e dividere per
l’occupazione complessiva.
16. Prove di indicatori possibili!
Analizzate bene i dati che
state raccogliendo per la
vostra ricerca, e costruite
nuovi indicatori per
confrontarli…
per esempio con dati di altri
territori, con altri sottoinsiemi
di dati, con serie storiche…
18. 1. Conoscere i vostri dati
Partite da un presupposto:
non c’è una ricetta stardard
per decidere quali metodi
usare.
Dovete innanzitutto
conoscere bene i vostri dati.
19. 2. Mettere in chiaro l’obiettivo
Cominciate dal vostro
obiettivo e chiedetevi:
perché può essere utile
ordinare, filtrare,
raggruppare, correlare,
confrontare i dati?
Cosa mi diranno i risultati?
20. 3. Alleggerire i dati
Alleggerite i dati: rimuovete
quelli non utili alla vostra
ricerca e cercate di
concentrarvi su insiemi di
dati più piccoli.
21. 4. Fare più tentativi
Provate, provate e
riprovate: se possibile, è
meglio analizzare i dati
valutando tutti i possibili
metodi che abbiamo fin qui
descritto.
22. 5. Cercare i valori anomali
Cercate gli “outliers”, cioè
quei valori anomali rispetto
a tutti gli altri valori della
tabella.